OpenAI a lancé son dernier modèle, GPT-6 Astra, il y a une semaine sous un tonnerre d'éloges, notamment après avoir reconstitué Manhattan rue par rue dans un moteur de jeu vidéo. Aujourd'hui, les utilisateurs le trouvent moins performant. Cette polémique compte, car elle relance une question sensible : les laboratoires d'IA réduisent-ils discrètement la puissance de calcul une fois l'engouement retombé ?
Ce qui s'est réellement passé
Le développeur synthwavedd a écrit sur X qu'Astra lui "semble nettement moins performant aujourd'hui", parlant d'une "lobotomie post-lancement". Le développeur Pranjal Paliwal, après avoir examiné du code généré par Astra, a conclu : "On n'a pas l'AGI, on a une régression", rapporte Decrypt. Le développeur Pankaj Kumar a listé les symptômes : réponses plus rapides, qualité en baisse, et le soupçon qu'OpenAI ait "réduit la valeur du jus", un terme officieux désignant l'effort de calcul consacré à chaque réponse. Les chercheurs Salio et Md Ismail Sojal ont tous deux testé des prompts identiques sur la version du jour du lancement et sur la version actuelle d'Astra, et tous deux constatent une baisse de qualité. Astra coûte 10 dollars par million de tokens en entrée et 50 dollars par million de tokens en sortie, soit 2,5 fois le prix de lancement de son prédécesseur, GPT-5.6 Sol. Tout le monde n'est pas d'accord sur l'existence d'un bridage : l'utilisateur Antikythera affirme que le modèle "est aussi médiocre qu'au lancement", et que c'est simplement l'engouement initial qui est retombé.
Comment on en est arrivé là
Ce scénario n'est pas inédit. Le précédent modèle phare d'OpenAI, GPT-5.6 Sol, avait subi la même polémique en juillet 2026, lorsque des utilisateurs avaient signalé que son mode de raisonnement le plus poussé s'était soudainement appauvri. Le dirigeant d'OpenAI Tibo Sottiaux avait démenti tout affaiblissement volontaire de Sol, tout en confirmant que l'entreprise expérimentait alors avec l'"effort de raisonnement", ce paramètre qui détermine le nombre d'étapes de réflexion effectuées par un modèle avant de répondre, selon Decrypt. Dax Raad, fondateur de l'outil de code Opencode, a indiqué que son équipe était déjà revenue à Sol après avoir testé Astra, les coûts ayant doublé pour des résultats qui n'en valaient pas la peine. Le propre président d'OpenAI avait employé le terme AGI pour qualifier Astra lors de son lancement, une expression aujourd'hui retournée contre le modèle par ses propres utilisateurs.
Pourquoi cela vous concerne
Pour les développeurs qui s'appuient sur l'API d'OpenAI, cette instabilité de la qualité a un impact financier direct, puisqu'Astra facture plus cher au token que Sol à son lancement. Les équipes qui avaient calibré leurs projets sur les performances de la semaine de lancement pourraient devoir revoir leur budget ou changer de modèle en cours de route. Pour le grand public, cet épisode rappelle que les benchmarks et démonstrations d'IA capturent un instant précis, pas une garantie durable. Quant à l'écosystème plus large des lunettes connectées et appareils AR, qui dépend d'un raisonnement IA stable et abordable, cette imprévisibilité de la qualité des modèles impose des exigences de tests plus strictes avant de lier un produit à un seul fournisseur.
La question de fond
Si les laboratoires d'IA peuvent ajuster silencieusement l'effort de calcul consacré à chaque réponse après le lancement d'un modèle, comment les utilisateurs, les développeurs et les régulateurs peuvent-ils vérifier qu'une capacité annoncée correspond toujours à ce que le modèle délivre réellement des jours, voire des mois plus tard ? Et à qui incombe la responsabilité de prouver cette cohérence ?
À surveiller
OpenAI n'a pour l'instant publié aucune déclaration, à l'image de celle faite pour Sol, concernant les critiques visant Astra. Reste à voir si une réponse officielle viendra, sur le modèle des propos tenus par Tibo Sottiaux en juillet à propos de Sol. Astra demeure le premier modèle d'OpenAI à franchir le seuil de risque cybersécurité fixé par l'entreprise, son accès étant réservé aux défenseurs validés dans le cadre du programme Daybreak. D'autres tests comparatifs de prompts, menés par des développeurs, devraient se multiplier dans les semaines à venir.
